مقایسه کارایی چند روش زمین آماری برای تخمین برخی ویژگی ها ی فیزیکی خاک

محورهای موضوعی : مدیریت آب در مزرعه با هدف بهبود شاخص های مدیریتی آبیاری

جلال محمودی ¹ (استادیار دانشگاه آزاد اسلامی واحد نور)
فاطمه زارعیان ² (دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی واحد نور؛ نور، ایران)
محمدرضا جوادی ³ (استادیار دانشگاه آزاد اسلامی واحد نور؛ نور؛ ایران)
نازیلا خرسندی ⁴ (استادیار دانشگاه آزاد اسلامی واحد تاکستان؛ ایران)

تاریخ دریافت : 1390/08/12 تاریخ پذیرش : 1391/02/10 تاریخ انتشار : 1391/06/12

کلید واژه: پراکنش مکانی, زمین آمار, کریجینگ, نقشه خاک,

چکیده مقاله :

تخمین صحیح ویژگی های فیزیکی خاک برای مدیریت منابع آب و خاک اهمیت زیادی دارند. برآورد دقیق ویژگیهای خاک مستلزم صرف زمان و هزینه زیادی میباشد. بنابراین، روشهای زمینآماری به عنوان راه حلی مناسب در تخمین محلهای نمونه برداری نشده مورد استفاده قرار میگیرند. به منظور بررسی تغییر پذیری برخی ویژگیهای فیزیکی خاک در منطقه دره ویسه، تعداد 78 نمونه از عمق 30-0 سانتیمتری جمعآوری و به آزمایشگاه انتقال یافت. پارامترهای اندازه گیری شده شامل درصد رس، درصد سیلت، درصد شن و وزن مخصوص ظاهری خاک بود. پس از نرمال کردن دادهها اقدام به ترسیم واریوگرام گردید. برای درونیابی پارامترها، روشهای کریجینگ، روش عکس فاصله وزندار و روش توابع پایه شعاعی مورد ارزیابی قرار گرفت. برای ارزیابی روشها، از دو پارامتر آماری، میانگین مطلق خطا (MAE) و میانگین اریب خطا (MBE) استفاده شد. نتایج نشان داد که در منطقه مورد مطالعه برای پارامترهای سیلت، شن و وزن مخصوص ظاهری خاک از بین روشهای مختف، روش کریجینگ و برای پارامتر رس، روش توابع پایه شعاعی از دقت بیشتری برخوردار است.

چکیده انگلیسی:

Reasonable estimation of soil physical properties is very important for optimal management of soil and water resources. Estimation of soil physical properties is usually time consuming and expensive. Geostatistical methods can be used as suitable tools to estimate such properties. In order to analyze spatial variability of soil properties in Dareh Viseh rangelands, a number of 78 soil samples from 0-30cm soil depth were taken and transferred to laboratory. Some soil properties including clay, silt, sand and bulk density were measured in laboratory. After normalizing the data, the semivariograms were obtained and evaluated. The Kriging, inverse distant weighting and radial basis function methods were then evaluated for the obtained data. To compare these methods, the cross validation method was used by statistical parameters of Mean Absolute Error (MAE) and Mean Bias Error (MBE). The results showed that the Kriging method can provide more reseanable predictions for silt, sand and bulk density, while the radial basis function provides better estimate to predict clay content in the study area.